ElevenLabs v4

ElevenLabs 預告的第四代 AI 語音模型，主打能低語、能吟唱、帶情緒與口音的人類級表達

語音合成自然人聲文字轉語音

https://elevenlabs.io/

前往官網

深度報告

ElevenLabs v4 是這家倫敦與華沙背景的 AI 音訊公司預告的第四代語音合成模型，目前處於「公開預覽、尚未正式釋出」的狀態。它在 2026 年的 ElevenSummit（華沙）上由創始人 Mati Staniszewski 首次演示，主打更自然的人類級表達——能低語、能吟唱、能帶情緒和口音地說出任意文字。需要明確的是，截至 2026 年 7 月，v4 仍未開放公測，真正線上上跑的旗艦模型還是 2025 年 6 月釋出的 Eleven v3。因此本報告把 v4 當作「已官宣預覽的下一代方向」來寫，平臺現狀與定價則以當前可使用的版本為準。
ElevenLabs 由 Mati Staniszewski 與 Piotr Dąbkowski 於 2022 年創立，技術根脈在波蘭，總部設在倫敦，是歐洲最具代表性的生成式音訊獨角獸之一。公司起步於「讓 AI 語音不再像機器」這一判斷，認為通訊層才是 AI 落地的瓶頸，而非單純的「智慧」本身。幾年間它從單一文字轉語音工具，長成了覆蓋語音生成、配音、音樂、語音克隆、實時轉寫與語音智慧體的全棧音訊平臺，客戶名單裡既有迪士尼、Epic Games（堡壘之夜的達斯·維達語音）、Duolingo，也有德意志電信、英偉達 ACE、希臘政府旅遊助手這類大型企業級部署。
v4 目前公開的資訊來自華沙那場 keynote 的樣片演示。Staniszewski 當場強調「這個模型還沒釋出，這是獨家展示」，聽眾聽到的是一段關於華沙的雙人對話——聲音能切換口音、能低語、能帶情緒，甚至能吟唱。官方表述裡，v4 要解決的不是「更清楚的朗讀」，而是「更像人在交流」：可控的情緒、明確的意圖、自然的重音與停頓。同一場活動還預覽了代號 D2 的新配音系統，它不再只依據文字生成語音，而是讀取原片的情緒與表演，把這種「神韻」跨語言遷移過去，直擊傳統 AI 配音「表情平板」的老毛病。對比已經在用的 Eleven v3，v3 在 2026 年 3 月 14 日全面開放，核心賣點是 Audio Tags——直接在指令碼里寫 [whispers]、[excited]、[sighs] 這樣的行內指令，模型就會在短語級別調整演繹，無需反覆重錄；它還支援多說話人 Dialogue Mode、70 多種語言，單次請求上限約 3000 字元。再往下的 Multilingual v2 主打穩定一致，Flash 主打 75 毫秒極低延遲，Turbo 主打高價效比，構成了一套按「質量 / 延遲 / 成本」分工的模型矩陣。 v4 若如期落地，大機率是在 v3 的表達力之上，把「自然度」和「可控情感」再推一檔。
ElevenLabs 的定價對同一套積分池開放，文字轉語音按字元計費（高質量模型約 1 字元 = 1 積分，1 分鐘音訊約 1000 字元）。當前公開檔位為：免費版每月 1 萬積分；Starter 6 美元 / 月，3 萬積分；Creator 22 美元 / 月（首月 11 美元），12.1 萬積分並解鎖專業語音克隆；Pro 99 美元 / 月，60 萬積分、API 可輸出 44.1kHz PCM；Scale 299 美元 / 月，180 萬積分、3 個工作席位；Business 990 美元 / 月，600 萬積分、10 席位；企業版另議。音樂、音效、變聲、配音等其它產品線從同一積分池按不同倍率扣費，例如音樂約 900 積分 / 分鐘、配音約 2000–10000 積分 / 分鐘。面向初創團隊還有 12 個月免費、3300 萬字元的資助計劃。v4 的具體計費尚未公佈，第三方追蹤站推測約 0.30 美元 / 千字元，但屬於未經證實的傳聞。
對現有 v3 的聲音普遍是正面的。長篇有聲書、遊戲配音、影視本地化的從業者認可它的表現力躍升，尤其是 Audio Tags 讓單人就能排程多角色情緒，省掉傳統配音導演的環節。盲測偏好上，v3 相對早期 v3 Alpha 提升了 72%。負面聲音集中在兩點：一是貴，按百萬字元約 100 美元的價格，在批次生產場景明顯貴過一眾競品；二是長文字要切分多次請求，自動化工作流略繁瑣，低流量語種的質量仍不穩定。關於 v4，使用者目前還停留在「期待」階段，社群更關心它能否真正壓縮機械感、以及定價會不會繼續走高。
在 Artificial Analysis 的語音競技場（2026 年 6 月）裡，Eleven v3 的 Elo 約 1178，穩居商業 TTS 第一梯隊，但已被阿里 Fun-Realtime-TTS（約 1219）、Google Gemini 3.1 Flash TTS（約 1214）、Inworld、Cartesia Sonic 3.5 等在原始自然度上反超，而單價卻遠高於它們。行業共識是：ElevenLabs 勝在「生態完整 + 表達力 + 企業級合規」，但「單位成本」正成為它的軟肋。競品方面，OpenAI TTS-1、MiniMax Speech、Cartesia、Inworld、Suno（音樂向）都在搶同一塊蛋糕。
聲音克隆天然踩在深水區。ElevenLabs 內建了內容稽核、問責與水印溯源機制，反覆強調「AI 生成的音訊應當可被識別」，但克隆技術被濫用於 deepfake、詐騙與冒名的風險始終存在。商業層面，訓練資料的版權與授權是繞不開的話題——公司強調音樂模型基於授權資料訓練、可用於商用，但語音側的採集來源仍不時引發討論。對普通使用者而言，真正的風險更樸素：積分貴、重跑計費、企業版條款不透明，以及 v4 這類重磅更新「官宣預覽早、正式可用晚」帶來的預期落差。
如果你是做有聲書、播客、遊戲角色配音或影視本地化的內容創作者，當前直接用 v3 配合 Audio Tags 就是最務實的選擇，表達力已經夠用。如果你是搭建客服、銷售、旅遊導覽這類語音智慧體的企業，該看的是 ElevenAgents 與 Dubbing v2，而不是等 v4。預算敏感、量大管飽的批次場景，建議把 ElevenLabs 和 MiniMax、Cartesia、阿里系 TTS 做一輪橫向盲測再決定。至於 v4，建議把它當作「下一代方向的風向標」關注，等正式公測、拿到實測樣片和定價後再下注，避免在預覽階段就為未交付的能力付費。
ElevenLabs v4 的方向是對的——語音互動要從「能說」走向「像人」，但它現在還只是華沙舞臺上的一段預覽樣片。真正決定你今天要不要用的，是已經成熟的 v3 生態與那張不便宜的積分賬單。

使用者評論

Isabella.Howard_2020

—

重跑也計費這點吐槽一下，生成錯了重來還扣積分，批次出片時心在滴血。

RebeccaLee

—

希臘政府旅遊助手那個 demo 挺實在的，能識圖推薦行程還能看日曆，比純聊天機器人有用多了。

JosephRamirez_7

—

v4 若能控情緒和意圖，遊戲過場動畫的旁白就能一次成型，不用再後期一段段調語氣了。

TIram

—

競技場裡 v3 已經被阿里和 Gemini 反超了，但生態是真的全，從 TTS 到配音到智慧體一把梭，小團隊懶得接七八家 API。

SatoshiFanBennett

—

開發者資助計劃真香，12 個月免費 3300 萬字元，我們初創直接白嫖把智慧體跑通了。

BobbyMorrisX48

—

v4 能吟唱這點我很期待，現在做遊戲 NPC 哼個小調還得另接音樂模型，要是語音模型直接能帶旋律就省事了。

BLkra

—

整體方向我看好，語音要從「能說」走向「像人」，ElevenLabs 這步棋下得對，就看定價別飄。

陳萱

—

Flash 的 75 毫秒延遲做實時對話基本夠用了，v4 如果還能壓一壓，客服場景體驗會再上一個臺階。

RichardRuiz_Plus

—

等不及 v4 了，現在先用 v3 的 Audio Tags 做有聲書，單人就能排程幾個角色的情緒，省了請配音導演的錢。

MadisonPatelIII

—

價格再不降，真的要被 MiniMax 和阿里系搶光了。我們公司一個月光配音就燒掉幾百刀，老闆已經在看替代方案。

Mary_ButlerSr

—

又是「預覽」又是「獨家展示」，正式公測怕是要等到年底，建議大家別為沒交付的能力提前付費。

DrMar'yanZaporozhec

—

盲測裡 v3 比早期 Alpha 提升 72%，說明他們打磨得狠，v4 正式版應該也不會讓人失望。

Patrick.EdwardsII

—

Music 模型基於授權資料這點很重要，商用不踩版權雷，比某些來路不明的音樂生成靠譜。

Bryan.RobertsSr

—

在華沙那場演示裡聽到 v4 的樣片時，雞皮疙瘩起來了。那種帶氣聲的低語和自然的停頓，確實是 v3 還差一口氣的感覺。

goldensnake135

—

配音按分鐘扣積分太肉疼了，千字配音動輒上萬積分，大專案還是得咬牙上 Business 檔。

楓葉_13

—

說真的，ElevenLabs 的克隆水印和溯源做得比大部分家都認真，這點我願意多付點錢，至少不怕哪天被牽連進 deepfake 新聞。

Andrea.Ramos

—

關注 v4 很久了，建議把它當風向標看，真要投產還是先用成熟的 v3 生態，別賭預覽階段。

Charles.Smith_2020

—

D2 配音那個跨語言保留情緒的思路對，傳統 AI 配音確實像念稿機器，希望 v4 時代能真正解決「表情平板」。

RRuizZ170

—

能不能先把長文字單次上限從 3000 字元提上去？自動化流水線天天切分請求，煩死了。

Anthony_CoxJr

—

英偉達 ACE 那次合作展示的多語言營銷內容生成挺驚豔，聲音自然度確實行業第一梯隊。

Madison.Vasquez007949

—

用了兩年 ElevenLabs 做播客，整體很穩，就是企業版條款不透明，想加席位和併發談得頭疼。

Gary32

—

低流量語種質量還是參差，泰語和越南語偶爾會冒奇怪的重音，正式專案我們還是切回英文再本地化。

ElevenLabs v4

深度報告

使用者評論

相關連結

同類產品